Variabilidad temporal y espacial de la vegetación en la microcuenca del río Porcón durante el periodo 2003 - 2019

(1)

FACULTAD DE

INGENIERÍA

Carrera de Ingeniería Ambiental

“VARIABILIDAD TEMPORAL Y ESPACIAL DE LA

VEGETACIÓN EN LA MICROCUENCA DEL RÍO PORCÓN

DURANTE EL PERIODO 2003 - 2019”

Tesis para optar el título profesional de:

Ingeniera Ambiental

Autora:

Emi Carito Ugaz Suárez

Asesora:

Dr. Sc. Irma Geralda Horna Hernández

Cajamarca - Perú

2020

(2)

DEDICATORIA

La presente tesis la dedico especialmente: A mi madrecita Emilia en el cielo, por su amor, sacrificio, cuidados, sobre todo por protegerme y haberme inculcado el valor del estudio como la mejor herencia que se puede tener en la vida. A mi papá Melanio por su esfuerzo, dedicación y motivación que me dio desde pequeña para convertirme en profesional. A mis padres Sebastián y Orlandina por su amor, compresión y apoyo incondicional en mi formación profesional. A mi amiga Deisy Lisset por todos los momentos vividos a lo largo de nuestra carrera, las alegrías, tristezas, las desveladas y más, los cuales me hicieron crecer y valorar a las personas que nos rodean. A mi amiga Rosa Dany, por el apoyo incondicional para continuar y seguir con mi camino a lo largo de estos cinco años, por siempre estar ahí cuando más necesite de alguien a mi lado. A mis hermanos por su motivación constante a seguir en este arduo camino.

(3)

AGRADECIMIENTO

Agradecer a Dios en primer lugar, por la inspiración y fortaleza para continuar luchando en concluir uno de mis anhelos más deseados. Mi agradecimiento especial para el Programa Nacional de Becas y Créditos Educativos PRONABEC, por otorgarme una beca para mi formación profesional. Agradecer de manera sincera a mi asesora la Dr. Sc. Irma Geralda Horna Hernández, por sus enseñanzas, apoyo constante y desinteresado para la realización de esta tesis. Expresar mi agradecimiento especial a mi amiga Deisy Lisset Carrasco Vela por el apoyo y guía incondicional en el desarrollo de esta tesis, su ayuda y aporte fue invaluable para concluir este trabajo con éxito. Agradecer a mis amigos y familiares que me ayudaron directa o indirectamente en mi

formación profesional y realización de este proyecto. Finalmente, agradecer a la Universidad Privada del Norte por permitirme alcanzar uno de

(4)

TABLA DE CONTENIDOS DEDICATORIA...2 AGRADECIMIENTO ...3 ÍNDICE DE TABLAS ...6 ÍNDICE DE FIGURAS ...8 ÍNDICE DE ECUACIONES...9 CAPÍTULO I. INTRODUCCIÓN ... 11 1.1. Realidad problemática ... 11

1.2. Formulación del problema ... 37

1.3. Objetivos ... 37

1.4. Hipótesis ... 38

CAPÍTULO II. METODOLOGÍA ... 39

2.1. Tipo de investigación ... 39

2.2. Población y muestra (Materiales, instrumentos y métodos) ... 39

2.3. Técnicas e instrumentos de recolección y análisis de datos ... 39

2.4. Procedimiento ... 40

2.5. Aspecto Ético ... 51

CAPÍTULO III. RESULTADOS... 52

(5)

CAPÍTULO IV. DISCUSIÓN Y CONCLUSIONES ... 55

4.1. Discusión ... 55

4.2. Conclusiones ... 70

REFERENCIAS ... 72

(6)

ÍNDICE DE TABLAS

Tabla 1. Característica imagen Landsat 5 ... 23

Tabla 2. Característica imagen Landsat 7 ... 24

Tabla 3. Características imagen Landsat 8 ... 26

Tabla 4. Clasificación de la Cobertura Vegetal ... 32

Tabla 5. Ficha de adquisición de imagen. ... 44

Tabla 6. Clasificación del NDVI ... 49

Tabla 7. Vegetación escasa 2003 ... 50

Tabla 8. Vegetación escasa 2019 ... 50

Tabla 9. Rango del NDVI para el año 2003 en la microcuenca – Landsat 5 ... 52

Tabla 14. Variación de áreas de vegetación en la microcuenca Porcón para el periodo 2003 - 2019 ... 54

Tabla 15. Porcentaje de NDVI para el año 2003 ... 68

Tabla 16. Porcentaje del NDVI para el año 2019 ... 68

Tabla 17. Resultados del promedio anual de NDVI ... 69

Tabla 18. Procesamiento de áreas (Vegetación escasa -2003) ... 81

Tabla 19. Procesamiento de áreas (vegetación medianamente densa – 2003) ... 84

Tabla 20. Procesamiento de áreas (vegetación densa – 2003) ... 87

Tabla 21. Procesamiento de áreas (vegetación escasa – 2019) ... 91

(7)

(8)

ÍNDICE DE FIGURAS

Figura 1. Componentes de un sistema de teledetección. ... 20

Figura 2. Espectro electromagnético... 22

Figura 3. Curvas de reflectancia espectral de cuatro diferentes objetivos ... 29

Figura 4. Referencia del área de estudio de la Microcuenca Porcón ... 42

Figura 5. Plataforma United States Geological Survey ... 43

Figura 6. Corte del área de estudio ... 46

Figura 7. Falso Color (Landsat 8, Sentinel 2B), (Gis & Beers, 2017) ... 48

Figura 8. Variabilidad temporal y espacial de la vegetación en la microcuenca del río Porcón ... 55

Figura 9. Clasificación de la cobertura vegetal con NDVI para 2003 ... 56

Figura 10. Clasificación de la cobertura vegetal con NDVI para 2019 ... 57

Figura 11. NIR (Región Espectral del Infrarrojo Cercano) – 2003 ... 60

Figura 12. NIR (Región Espectral del Infrarrojo Cercano) – 2019 ... 62

Figura 13. RED (Región Espectral Roja) – 2003 ... 64

Figura 14. RED (Región Espectral Roja) - 2019 ... 66

Figura 15. Índice de Vegetación de Diferencia Normalizada (NDVI) 2003 ... 79

(9)

ÍNDICE DE ECUACIONES

Ecuación 1. Índice de Vegetación Diferencial – NDVI ... 48 Ecuación 3. NDVI para Landsat 5 ... 48 Ecuación 4. NDVI para Landsat 8 ... 49

(10)

RESUMEN

La presente investigación se centró en el uso de imágenes satelitales, con el objetivo de determinar la variabilidad temporal y espacial de la vegetación en la microcuenca del río Porcón durante el periodo 2003 – 2019, mediante el Índice de Vegetación de Diferencia Normalizada (NDVI), para verificar los cambios de cobertura vegetal. La metodología consistió primero en determinar el área de la microcuenca a trabajar (7438.59 ha), luego analizar imágenes satelitales Landsat 5 para los años 2003 al 2011 y Landsat 8 para 2013 hasta 2019, seguido de correcciones y análisis a fin de calcular el NDVI para el periodo de estudio, clasificándose por rangos de vegetación, asimismo su promedio para realizar la distribución temporal. Los resultados demostraron que la presencia de cobertura vegetal en la microcuenca del río Porcón, ha sido descendente y ascendente. La vegetación clasificada como escasa tuvo en descenso de 7.6% a 6.18% del año 2003 al 2019 respectivamente, de igual manera la vegetación medianamente densa también descendió de 73.97% a 72.5%; de acuerdo al promedio del NDVI de la microcuenca se estableció un índice de 0.6 que demuestra una vegetación densa en promedio.

(11)

CAPÍTULO I. INTRODUCCIÓN

1.1. Realidad problemática

Desde hace años y hasta la actualidad nuestro planeta Tierra viene atravesando una de las crisis ambientales más preocupantes, el cambio climático, que como consecuencia principal tiene la afectación a la vegetación y a la humanidad. El factor principal que conlleva a un desplazamiento de los biomas, las grandes unidades de vegetación, especialmente la más densa, es el ser humano, ya que, necesitamos viviendas, alimentos y contamos con otras necesidades, las mismas que para ser suplidas, origina cambio de la cobertura vegetal. (Sánchez, 2019)

En el Perú, la influencia de la cordillera de los Andes y la corriente marina de Von Humboldt influye en la diversidad de ecosistemas, los mismos que presentan características particulares dependiendo de la zona donde se encuentre un ejemplo notorio, es la sierra con sus diferentes características de paisaje – geomorfológicas. Según De Petre et al Vidal (2012), el departamento de Cajamarca, se encuentra ubicado en la parte norte del país, presenta una gran diversidad ecológica con altitudes que van desde los 175 (Cerro Pitura-Contumazá) a 4,496 m.s.n.m. (Cerro Rumi Rumi- Sitacocha-Cajabamba). Su territorio abarca parte de la vertiente occidental y oriental de los Andes, cubre una extensión de 3’295,263.84 has. Por otro lado, los problemas ambientales como la deforestación, también clasificada como vegetación escasa o suelo desnudo es donde se intensifica el efecto de erosión que se puede apreciar con más detalle en los valles interandinos (parte media y baja de las cuencas) debido a factores como: tala, quema, expansión de la frontera agrícola, expansión urbana; causando la remoción de la materia orgánica y disminución de la densidad de la

(12)

Los desequilibrios ambientales que se presentan en la microcuenca Porcón por la intervención antrópica en la cobertura vegetal influye negativamente en los tipos suelos de la microcuenca, siendo vulnerables a la erosión. (Sacristan, 2005)

Los sistemas de información geográfica y la teledetección son una gran herramienta que nos proporciona información valiosa sobre el crecimiento, ausencia de vegetación o vegetación no saludable en un área determinada. (Díaz, 2015)

Sacristán (2005) indica que desde la antigüedad diversos investigadores han utilizado las técnicas satelitales como una oportunidad para estudiar muchos campos de la ingeniería, y el medio ambiental no es ajeno a ello. De esta manera, se hace presente el continuo monitoreo de la vegetación, áreas, ubicación y procesos en tiempo real, eliminando limitaciones espacio temporales que existen hoy en día, permitiendo obtener resultados confiables en grandes regiones geográficas. (autor)

La adecuada planificación de las actividades humanas está en función de la situación actual y la valoración de los ecosistemas, reduce los impactos negativos (degradación del medio ambiente) que se han venido sufriendo hasta la fecha. (Cruz, Gallego y Gonzáles, 2009)

Debido a los escases de información en la microcuenca Porcón sobre el estado de la vegetación, la evolución de la cobertura vegetal, el cuidado de los recursos naturales y la degradación por la actividad antrópica se ha planteado la presente investigación que permitirá aportar la variabilidad espacio- temporal del desarrollo de la vegetación para un mejor conocimiento, gestión y monitoreo. Para ello, se ha empleado imágenes satelitales LANDSAT 8, y mediante el método de clasificación de coberturas e índices de vegetación como el índice de vegetación de diferencia normalizada (NDVI) en la

(13)

microcuenca Porcón se distribuirá el estado de la cobertura vegetal clasificada según el NDVI.

Esta investigación pretende reflejar una metodología remota para la generación de información que promueva el conocimiento y la vigilancia ambiental a través de monitoreos satelitales que permitan difundir datos que concienticen a la población e involucren a los gobiernos locales y regionales a una adecuado y eficiente aprovechamiento de nuestros recursos naturales, preservando las riquezas de nuestra región y reduciendo los impactos sufridos hasta la actualidad.

1.1.1.Antecedentes

Un estudio realizado por Osuna et al. (2015) en la cuenca del río Tecolutla, Veracruz, México; periodo 1994-2010 evaluó el impacto de las actividades antropogénicas en la cuenca en un periodo de 16 años utilizando imágenes satelitales Landsat. Las actividades humanas han desencadenado en mayor grado el cambio de uso de suelo y por ende la perdida de cobertura vegetal ha aumentado como consecuencia de factores demográficos y económicos. El área de estudio abarcó una expansión territorial de 7 446 km2; se realizó una clasificación supervisada obteniéndose que, en el año 2010, predominaron los bosques (34.6%), seguidos por zona agrícola y por último pastizales. La superficie forestal en 1994 fue de 333 866 ha y para 2010 disminuyó a 60 490 ha, con una tasa de deforestación media anual de -1.1%, las actividades agropecuarias influyeron en la disminución de cobertura vegetal en dicha cuenca utilizándose 6 206 ha de selva y 46 774 ha de bosque, 26% y 15.1%, respectivamente. De todo el estudio realizado se concluye que el incremento de actividades agrícolas en la cuenca del río Tecolutla ha sido la principal causa de la

(14)

Manchego (2017) en su investigación acerca de la variabilidad espacio – temporal de la vegetación en la cuenca Quilca – Chili durante el periodo 2005 – 2015, tuvo como objetivo principal evaluar la variabilidad espacio-temporal de la vegetación de la Cuenca Quilca - Chili mediante el uso del Índice de Vegetación de Diferencia Normalizada (NDVI), que ayudó a determinar la presencia o ausencia de cubierta vegetal. El método de trabajo se basó en el cálculo de NDVI para cada una de las 33 imágenes obtenidas del satélite Landsat 5 (para los años 2005 - 2011) y Landsat 7 (para los años 2012 - 2015), utilizando la herramienta “Calculadora Ráster” del software ArcGis. Los resultados obtenidos fueron un comportamiento cíclico o estacional de vegetación existiendo fluctuaciones ascendentes y descendentes a lo largo del tiempo, identificándose los siguientes periodos: primer periodo del 2005 al 2006 donde asciende y luego desciende en el 2007; segundo periodo donde asciende del 2007 al 2008 y vuelve a caer en el 2010; tercer periodo donde asciende del 2010 al 2012 para luego caer en el 2014; y finalmente un cuarto periodo donde asciende del 2014 al 2015. El mayor incremento de valor de NDVI registrado fue de 2010 a 2012, el promedio de NDVI paso de 0,110 a 0,135. Además, la evolución de la vegetación resultó que para la vegetación alta los años 2005, 2007 y 2010 presentaron los menores porcentajes y el año 2012 presento el mayor porcentaje (2,78 %), para la media se incrementa en el año 2012 (15,65%) y disminuye en el año 2005 (5.21%) y para la vegetación ligera el mayor registro fue en el año 2013 (44,37%), mientras que el 2005 registro menor porcentaje (37,64%).

Alegre, K. (2017) en su estudio realizado de cambios de la cobertura vegetal del suelo de la provincia de Yauyos, durante el transcurso de los años 1997 al 2017, a partir del comportamiento del desarrollo vegetal, tuvo como objetivo evaluar los cambios

(15)

que se han dado en la cobertura vegetal del suelo de la provincia de Yauyos durante el transcurso de los años de 1997 al 2017, debido a los cambios que se han observado actualmente en la cubierta vegetal, esto a partir del comportamiento del desarrollo vegetal a través del análisis de imágenes satelitales. El área total de estudiada abarco 6999051.38 hectáreas, las imágenes utilizadas fueron del satélite Landsat 5 para 1997 y Landsat 8 para el 2017, así mismo los valores estandarizados de NDVI obtenidas para la clasificación y estimación de la cantidad de coberturas vegetales fueron de: cercanos a 0 (cobertura vegetal rala y superficies desnudas), menores a 0.5 (cubierta vegetal temporal), mayores a 0.5 (cobertura vegetal permanente). Los resultados obtenidos de unidades de cobertura vegetal fueron 7, siendo el de tipo pajonal andino con la mayor extensión de terreno (348192.49 ha); para el NDVI se obtuvieron 36 categorías de coberturas vegetales, agrupándose en solo tres, para el año 1997: cobertura permanente (300094.33 ha), cobertura temporal (267443.01 ha) y cobertura rala y superficie desnuda (131514 ha); para el año 2017: cobertura permanente (226916.90 ha), cobertura temporal (303417.13 ha) y cobertura rala y superficie desnuda (162717.35 ha), constatándose que para el año 2017 la cobertura vegetal permanente disminuyo en un 10.5 %, a una tasa anual de 1.4% ha, entre tanto la cobertura temporal ascendió para el año 2017 en un 6%, a una tasa anual de 0.7%, terminando con la cobertura vegetal rala y superficie desnuda que para el año 2017 ascendió en un 4.5%, a una tasa anual de 1.1%. En definitiva, los cambios ocurridos en la cubierta vegetal de la provincia de Yauyos para los años 1997 al 2017, han evidenciado una pérdida para la cobertura permanente, vegetación considerada irrecuperable porque se necesita de varios años para su desarrollo, así como granes

(16)

Alencar et al (2019) en su investigación sobre la variabilidad espacial y temporal de la cobertura vegetal de los años 1984 a 2011 en la cuenca hidrográfica del río Moxotó, Pernambuco, Brasil, debido a que la perdida de vegetación en dicha cuenca está dada por la intensa variabilidad pluvial y la retirada de vegetación para consumo energético. El objetivo principal fue analizar la variabilidad de la cobertura vegetal por medio del diagnóstico de pérdida y ganancias de vegetación arbórea y arbustiva durante el período de 1984 a 2011, mediante la aplicación de los índices de vegetación NDVI y SAVI; el área total de estudio abarco 9752.71 km2 y las imágenes utilizadas 84 del satélite Landsat 5 (TM). De acuerdo a los resultados obtenidos para NDVI, se definieron tres categorías: categoría 1 (vegetación de baja densidad, 0,25 – 0,50), categoría 2 (vegetación de mediana densidad, 0,50 – 0,75) y categoría 3 (vegetación de alta densidad, 0,75 – 1); por lo que durante los 27 años de análisis para la categoría de baja densidad se mantuvo conservada, la categoría de mediana densidad presento la mejor conservación y para la categoría tres de alta densidad presento muy baja presencia de vegetación. Finalmente se constató que la vegetación de menor densidad de cobertura fue la más abundante en el área de la cuenca, con un valor de crecimiento de 0,521%, para la vegetación de densidad mediana es la segunda más abundante, con una tasa de variación de 7.1% y la vegetación de mayor densidad y menos abundante, indicaron perdida de la vegetación con -4.91%.

(17)

1.1.2.Definiciones conceptuales 1.1.2.1. Teledetección

Según Segado (1996) es la capacidad de obtener información de un objeto sin mantener contacto físico con él; este término se restringe a aquellos métodos que emplean la energía electromagnética reflejada o irradiada por los objetos; según Pérez & Muñoz (2006) en el ámbito de las ciencias de la tierra, la teledetección es entendida como una técnica que tiene por objeto la captura, tratamiento y análisis de imágenes digitales tomadas desde satélites artificiales.

Esta técnica, que permite adquirir información de un objeto a distancia, se basa en que los materiales de la superficie terrestre tienen una respuesta espectral propia, por lo que somo capaces de identificarlos. Por lo que, es importante contar con instrumentos capaces de registrar la radiación procedente de la tierra y de transformarla en una señal susceptible de ser manipulada de forma analógica o de forma digital. (Segado, 1996)

1.1.2.2. Teledetección y Recursos Naturales

La teledetección es una herramienta que ha influido positivamente al cuidado del medio ambiente, con sus satélites Landsat destinado especialmente para el estudio de los recursos naturales; estos satélites están provistos de sensores remotos de varios tipos, uno de ellos el de barrido multiespectral que registra la energía reflejada por la superficie terrestre en las regiones verde, roja e infrarroja del espectro electromagnético; la información adquirida de estos satélites nos ayuda en el reconocimiento de la naturaleza de la superficie asimismo la detección de grandes cambios en esta. (Sacristán, 2005)

(18)

Los datos obtenidos a través de estos servicios nos brindan ciertos aspectos de los ecosistemas difíciles de estudiar, lo que contribuye a su reconocimiento y funcionamiento, como detección de enfermedades en las plantas, efectos de estrés, transpiración entre otras, además nos permite seguir la evolución de grandes extensiones de la cubierta vegetal, tener una mejor visión de cómo han ido transformándose en largos periodos de tiempo. (Sacristán, 2005)

1.1.2.3. Componentes de un Sistema de teledetección

El fenómeno de la teledetección es posible por la interacción de la energía electromagnética con las cubiertas terrestres. Estas tienen un comportamiento reflectivo variable, condicionado tanto por factores externos (ambientales) como por sus propias características físico químicas en el momento de la toma de imagen. (Pérez & Muñoz, 2006)

Un sistema de teledetección incluye los siguientes elementos: (Según Chuvieco, 1996)

 Fuente de Energía: Es originado de la radiación electromagnética que el sensor va a captar. Puede tratarse de una fuente pasiva como la luz solar o activa cuando es emitida por el sensor que luego capta el reflejo (como el radar).

 Cubierta terrestre: Son los rasgos naturales o realizados por el hombre (vegetación, suelo, rocas, construcción, etc.) que refleja la señal hacia el sensor.

 Sistema sensor: Compuesto por el sensor propiamente dicho (cámaras, radar, etc.) y la plataforma que lo alberga (satélite, avión, globo). Tiene

(19)

la misión de captar la energía proveniente de la cubierta terrestre y almacenarla o enviarla directamente al sistema de recepción.

 Sistema de recepción-comercialización: Es el que recibe la información del sistema sensor, la guarda en formato apropiado y la distribuye a los usuarios.

 Interprete: quien convierte los datos en información temática de interés (agricultura, forestal, geografía, catastro, medio ambiente, militar, etc.) ya sea mediante procedimientos y técnicas visuales o digitales.

 Usuario final: Es el beneficiario del documento fruto de la interpretación, así como de decidir sobre las consecuencias que de él deriven.

(20)

Figura 1. Componentes de un sistema de teledetección. Fuente: Chuvieco, 1996

(21)

1.1.2.4. Espectro electromagnético

Flujo saliente de energía de una fuente en forma de ondas electromagnéticas. Esta radiación puede ser de origen natural o artificial. El espectro electromagnético es el conjunto de todas las frecuencias (número de ciclos de la onda por unidad de tiempo) posibles a las que se produce radiación electromagnética. (Luque, 2017)

Regiones espectrales utilizadas para la observación remota de la tierra

(Bravo, 2017).

 Espectro visible (0.4 - 0.7 µm): Rango de frecuencias del ojo humano. Máxima radiación solar. Subdividido en tres bandas: Rojo (0.6 - 0.7 µm), Verde (0.5 - 0.6 µm) y Azul (0.4 - 0.5 µm).

 Infrarrojo cercano (0.7 - 1.1 µm): Denominado IR fotográfico o reflejado. Energía solar que reflejan los cuerpos. Comportamiento similar al espectro visible.

 Infrarrojo medio (1.1 – 8 µm): Se entremezclan radiación solar y emisión. La atmósfera afecta sensiblemente: aprovechado para medir concentraciones de vapor de agua, ozono, aerosoles.

 Infrarrojo térmico (8 - 14 µm): Radiaciones emitidas por los propios cuerpos. Se puede determinar la Temperatura de un cuerpo (IR térmico). Se puede disponer de imágenes a cualquier hora del día.

 Microondas (1mm-1m): Interés creciente de la Teledetección en esta banda. Las perturbaciones atmosféricas son menores y es transparente a las nubes. Se suelen utilizar sensores activos.

(22)

Figura 2. Espectro electromagnético Fuente: Bravo, 2017

1.1.2.5. Imágenes Satelitales

La serie de satélites estadounidenses Landsat constituye el programa de mayor trayectoria en adquisición de imágenes de nuestro planeta. El primer instrumento se lanzó en 1972.

Landsat 5: se lanzó en 1984, es idéntico al Landsat 4. Fue operado por Earth Observation Company (EOSAT) y posee el récord como satélite de observación terrestre de mayor tiempo de actividad en la historia con 29 años de servicio. Transmitió más de 2.5 millones de imágenes. (Franco, 2017)

Sus aplicaciones se extienden a campos como la detección de cambios globales, agricultura, calidad del agua y administración de recursos. Tiene dos sensores: Escaner Multi-Espectral (MSS) y el Mapeo Telemático (TM). MSS tiene una Distancia Terráquea de Muestreo (GSD) de 60m and el TM tiene una GSD de 30m, ambas con un tiempo de revisita de 16 días. (GOCENTRO, earth imaging).

(23)

Tabla 1

Característica imagen Landsat 5

Landsat 5 Banda Sensor Longitud de Onda (µm) Resolución Espacial (m) Resolución Radiométrica 1 - Verde MSS 0.50 – 0.60 60 8 bits 2 - Rojo MSS 0.60 – 0.70 60 8 bits 3 – Infrarrojo Cercano (NIR1) MSS 0.70 – 0.80 60 8 bits 4 – Infrarrojo Cercano (NIR 2) MSS 0.80 – 1.10 60 8 bits 1 – Azul TM 0.45 – 0.52 30 8 bits 2 – Verde TM 0.52 – 0.60 30 8 bits 3 – Rojo TM 0.63 – 0.69 30 8 bits 4 – Infrarrojo Cercano (NIR) TM 0.76 – 0.90 30 8 bits

5 – Onda corta infrarroja (SWIR) 1

TM

1.55 – 1.75 30 8 bits

6 – Thermal TM 10.40 – 12.50 120 *(30) 8 bits 7 – Onda corta infrarroja

(SWIR) 2

TM 2.08 – 2.35 30 8 bits

Band TM 6 fue adquirida a una resolución de 120 metros, pero el producto se vuelve a muestrear a los píxeles de 30 metros.

(24)

Landsat 7: Este satélite fue lanzado el 15 de abril de 1999. Su operación es administrada por la NASA (National Space and Space Administration) y la producción y comercialización de imágenes depende de la USGS (United Sates Geological Survey). LANDSAT-7 ha proporcionado, durante 16 años, una gran cantidad de imágenes las cuales han sido utilizadas para detectar el uso de la tierra a largo plazo. (GOCENTRO, earth imaging)

Su sensor multi-espectral proporciona imágenes desde 15m hasta 60m (ver tabla 1) con un tiempo de revisita de 16 días. (GOCENTRO, earth imaging)

Tabla 2

Característica imagen Landsat 7

Landsat 7 Banda Sensor Longitud de onda (µm) Resolución Espacial (m) Resolución Radiométrica 1 – Azul TM+ 0.45 – 0.52 30 8 bits 2 – Verde TM+ 0.52 – 0.60 30 8 bits 3 – Rojo TM+ 0.63 – 0.69 30 8 bits 4 – Infrarrojo Cercano (NIR) TM+ 0.76 – 0.90 30 8 bits 5 - Onda Corta Infrarroja (SWIR) 1 TM+ 1.55 – 1.75 30 8 bits 6 – Thermal TM+ 10.40 – 12.50 30 * (30) 8 bits

(25)

Landsat 7 Banda Sensor Longitud de onda (µm) Resolución Espacial (m) Resolución Radiométrica 6 – Onda Corta Infrarroja (SWIR) 2 TM+ 2.08 – 2.35 30 8 bits 7 – Pancromática TM+ 0.52 – 0.90 15 8 bits

ETM+ Band 6 se adquiere a una resolución de 60 metros, pero el producto se vuelve a muestrear a los píxeles de 30 metros.

Fuente: Bravo, 2019

Landsat 8: Lanzado el 11 de febrero de 2013, es un satélite óptico de resolución media cuyo objetivo es proporcionar información para actividades relacionadas con la agricultura, la educación, los negocios, la ciencia y también en el ámbito estatal. Este satélite contiene dos sensores: Sensor operacional de imágenes de tierra (OLI) y un Sensor Infrarrojos Térmico (TIRS). (Bravo, 2019)

OLI está formado por 9 bandas espectrales que van desde lo visible pasando por los infrarrojos hasta el espectro de radiación de bajas ondas. (Bravo, 2019) TIRS está compuesto por dos bandas espectrales, las cuales detectan infrarrojas térmicos, una herramienta imprescindible para medir la temperatura de la superficie de la Tierra. (Bravo, 2019)

(26)

Tabla 3

Características imagen Landsat 8

Landsat 8 Banda Sensor Longitud de Onda (µm) Resolución Espacial (m) Resolución Radiométrica 1 – Ultra azul (costero/aerosol) OLI 0.43 – 0.45 30 16 bits

2 – Azul OLI 0.45 – 0.51 30 16 bits 3 - Verde OLI 0.53 – 0.59 30 16 bits 4 - Rojo OLI 0.64 – 0.67 30 16 bits

5 – Infrarrojo Cercano (NIR) OLI 0.85 – 0.88 30 16 bits 6 – Onda Corta Infrarrojo (SWIR)1 OLI 1.57 – 1.65 30 16 bits 7 – Onda Corta Infrarroja (SWIR) 2 OLI 02.11 – 02.29 30 16 bits

8 – Pancromática OLI 0.50 – 0.68 30 16 bits 9 – Cirrus OLI 1.36 – 1.38 15 16 bits

10 – Infrarrojo térmico 1 TIRS 10.60 – 11.19 100* (30) 16 bits

(27)

Landsat 8 Banda Sensor Longitud de Onda (µm) Resolución Espacial (m) Resolución Radiométrica 11 – Infrarrojo térmico 2 TIRS 11.50 – 12.51 100* (30) 16 bits

Bandas TIRS se adquieren a una resolución de 100 metros, pero se vuelven a muestrear a 30 metros de producto entregado datos.

Fuente: Bravo, 2019

1.1.2.6. Tratamiento de Imágenes Satelitales

Manipulación de una imagen digital (cuentas digitales) con ayuda de un ordenador con propósitos de corrección, perfeccionamientos, extracción de información, etc.; el objetivo principal de estas es facilitar la búsqueda e interpretación de la información contenida en ellas. (Jiménez et al, 2011) Para llegar desde la imagen original al conjunto de parámetros e información extraída de la misma, es necesario pasar por distintas etapas de procesamiento y filtrado donde se analiza la imagen y se adecua para cierta aplicación específica. (Jiménez et al, 2011)

Corrección de Imágenes:

Para poder obtener información de la superficie terrestre y realizar estudios medioambientales a partir de imágenes de teledetección, previamente es necesario realizar una serie de correcciones o pre-procesado de dichas imágenes. (Jiménez et al, 2011)

(28)

A. Corrección radiométrica

Trata los valores de píxel de una imagen del satélite para obtener valores de intensidad homogéneas equilibrando histogramas o corrigiendo imperfecciones presentes en los píxeles, estas distorsiones pueden deberse a fallos de los propios sensores, alteraciones em el movimiento del sensor o instrumento a bordo del satélite. (Gis & Beers, 2018)

B. Corrección Geométrica

Intenta eliminar una serie de distorsiones con respecto a la imagen real, “recolocando” los pixeles, y rellenando los “huecos” existentes.

C. Corrección Atmosférica

Es el proceso a través del cual es eliminada de la señal detectada por el sensor la perturbación producida por la atmosfera, estas perturbaciones se producen por los procesos de absorción y dispersión debido a los componentes de la atmosfera.

1.1.2.7. Firma Espectral

La firma espectral es la reflectancia como una función de longitud de onda; cada material tiene una firma única, por lo tanto, se puede utilizar para la clasificación de materiales. (Bravo, 2019)

Las firmas espectrales muestran la variación de la radiación reflejada por los objetos en función de la longitud de onda. Este comportamiento físico puede ser tenido en cuenta en los análisis multiespectrales para reconocer elementos particulares en las imágenes aéreas. De esta forma, analizando canales de operación y sus niveles de reflectancia, podremos fotointerpretar y trabajar la base de la teledetección. (Gis & Beers, 2017)

(29)

Figura 3. Curvas de reflectancia espectral de cuatro diferentes objetivos

Fuente: NASA, 2007

1.1.2.8. Índice de Vegetación

Parámetro calculado a partir de los valores de la reflectancia a distintas longitudes de onda, y que es particularmente sensible a la cubierta vegetal (Gilabert et al, 1997). También, corresponde a un número generado por un numero generado por alguna combinación de bandas espectrales y que puede tener alguna relación con la cantidad de vegetación presente en un pixel dado. (Muñoz, 2013).

 Índice de Vegetación de Diferencia Normalizada – NDVI

Es un índice usado para medir la diferencia normalizada entre las reflectancias del rojo y del infrarrojo cercano, proporcionando una medida sobre la cantidad, calidad y desarrollo de la cobertura vegetal y vigorosidad en áreas extensas. (Bravo, 2019)

(30)

1.1.2.9. Cuenca

Se refiere al espacio de terreno por las partes más altas de las montañas, laderas y colinas, en ella se desarrolla un sistema de drenaje superficial que concentra sus aguas en un rio principal el cual integra al mar, lago u otro rio más grande. Este espacio se puede delimitar con una carta altimétrica, siguiendo la divorcia de las aguas “divortium aquarum”. (Jiménez, 2000)

La cuenca es el lugar donde el hombre realiza todas sus actividades, ya sea se infraestructura u otras intervenciones por lo que no hay ningún punto en la tierra que no corresponda a una cuenca. (Jiménez, 2000)

1.1.2.9.1. Clasificación

Por el sistema de drenaje y conducción final (Ordoñez, 2011):

a) Exorreicas, cuando las vertientes conducen las aguas a un sistema mayor de drenaje como un gran rio o mar.

b) Endorreicas, cuando sus aguas desembocan en lagos o lagunas que no tienen comunicación al mar.

c) Arreicas, cuando sus aguas se evaporan o se filtran en el terreno sin formar corrientes de agua superficial.

Por el grado de concentración de la red de drenaje (Ordoñez, 2011):

a) Cuenca, sistema integrado por varias subcuencas o microcuencas.

b) Subcuenca, es toda el área que desarrolla su drenaje directamente al curso principal de la cuenca, varias subcuencas pueden formar una cuenca.

c) Microcuenca, es toda el área que desarrolla su drenaje directamente al curso principal de una subcuenca.

(31)

1.1.2.10.Mapas Temáticos

Un mapa temático según la ICA (International Cartographic Association), está diseñado para mostrar características o conceptos particulares, y no generales como ocurre en los mapas topográficos. Los mapas temáticos transmiten – comunican– a partir de representaciones gráficas de algún fenómeno del que conocemos alguna información que lo describe. (Membrado, 2015)

1.1.2.11.Cobertura Vegetal

Taboada (2011), indica que la cobertura del suelo puede ser representada básicamente por la cobertura vegetal de las plantas en desarrollo (su periodo vegetativo) o por sus residuos; comprendiendo una amplia gama de biomasas con diferentes características fisionómicas y ambientales que van desde pastizales hasta las áreas cubiertas por bosques naturales. Además, se incluyen las coberturas vegetales inducidas que son el resultado de la acción humana como las áreas de cultivo.

(32)

1.1.2.11.1. Clasificación de la cobertura vegetal

Tabla 4

Clasificación de la Cobertura Vegetal Región natural Macroprovincia de Humedad Formación Vegetal Tipos de Cobertura Vegetal Superficie (ha) (%) Tropical (Selva baja) Perhúmedo Bosque Bosque inundable de palmeras (aguajal) 5 570 736 4,33 Bosque de terraza

inundable por agua negra 1 215 814 0,95 Bosque de llanura meándrica 2 117 010 1,65 Bosque de terraza baja 7 091

445

5,52 Bosque de terraza baja

con castaña

20 497 0,02 Bosque de terraza alta 3 983

722

3,10 Bosque de terraza alta

con castaña

854 502 0,66 Bosque de colina baja

con shiringa

con castaña 204 329 0,16 Vegetación esclerófila de arena blanca (varillal) 54 370 0,04

(33)

Región natural Macroprovincia de Humedad Formación Vegetal Tipos de Cobertura Vegetal Superficie (ha) (%)

Bosque de colina baja 23 991 362

18,67 Bosque de colina alta 1 975

221

1,54 Bosque de colina alta

del Divisor 375 624 0,29 Bosque de montaña 3 658 450 2,85 Herbazal y sabana Herbazal hidrofítico (pantano herbáceo) 814 212 0,63 Sabana hidrofítica de palmeras 6585 0,01 Bosque con Bambú

Bosque de terraza baja con paca.

157 382 0,12 Bosque de terraza alta

con paca

3 784 671

2,94 Bosque de colina alta

con paca 716 719 0,56 Bosque de montaña con paca 3495 0,003 Bambusal Pacal 29 444 0,02 Subhúmedo Bosque Bosque semideciduo de montaña 18 473 0,01

(34)

Región natural Macroprovincia de Humedad Formación Vegetal Tipos de Cobertura Vegetal Superficie (ha) (%) Yunga Andina (Vertiente Occidental Andina e Interandina y Puna) Perhúmedo - Semisaturado Bosque

Bosque de terraza baja basimontano

3116 0,002 Bosque inundable de

palmeras basimontano

4884 0.004 Bosque de terraza alta

basimontano 370 0,0003 Bosque de montaña basimontano 7 650 282 5,95 Bosque de montaña montano 3 072 387 2,39 Bosque de palmeras de montaña montano 13 697 0,01 Bosque de montaña altimontano 831 825 0,65 Húmedo - Semisaturado Bosque con bambú Bosque de montaña basimontano con paca

136 356 0,11 Matorral Matorral esclerófilo de montaña montano 2508 0,002 Matorral arbustivo altimontano 26 227 0,02 Semiárido Sabana Sabana xérica interandina 116 762 0,09 Bosque Bosque xérico interandino 441 182 0,34 Bosque relicto mesoandino 27 478 0,02

(35)

Región natural Macroprovincia de Humedad Formación Vegetal Tipos de Cobertura Vegetal Superficie (ha) (%) Subhúmedo - superhúmedo Bosque relicto mesoandino de coníferas 1160 0,001 Bosque montano occidental andino 90 002 0,07 Bosque relicto altoandino (queñoal) 101 533 0,08 Herbazal y otras Jalca 153 674 0,12 Páramo 85 495 0,07 Pajonal andino 18 192 418 14,16 Bofedal 544 562 0,42 Árido - superhúmedo Matorral Matorral arbustivo 7 496 882 5,83 Cardonal 2 564 734 2,00 Herbazal y otras Tilandsial 7182 0,01 Loma 256 901 0,20 Costa

Desecado - árido Bosque Bosque seco caribeño 30 235 0,02

Superárido - semiárido

Bosque

Bosque seco tipo sabana 1 409 839 1,10 Bosque seco de piedemonte 157 036 0,12 Bosque seco de lomada 33 267 0,03

(36)

Región natural Macroprovincia de Humedad Formación Vegetal Tipos de Cobertura Vegetal Superficie (ha) (%)

Bosque seco de colina baja

454 285 0,35 Bosque seco de colina

alta 300 391 0,23 Bosque seco de montaña 1 279 156 1,00 Manglar 5644 0,004 Subhúmedo Bosque Bosque subhúmedo de montaña 34 747 0,03 Fuente: MINAN, 2015

1.1.2.11.2. Cambio de la cobertura vegetal

Arriaga (2009) nos dice que los cambios de cobertura de suelo es una de las principales causas de la perdida de cobertura vegetal, además de la disrupción de los ecosistemas naturales en fragmentos de diversos tamaños y, por tanto, la discontinuidad y aislamiento de su biodiversidad. Un ejemplo muy claro de cambio de cobertura es la deforestación de bosques; una evaluación de los Recursos Forestales Mundiales, en marzo de 2010 por la FAO concluyeron y expusieron la deforestación en 233 países, principalmente la conversión de bosques tropicales en tierras agrícolas ha disminuido, sin embargo, en otros países continua en un ritmo alarmante. Asimismo, afirman que, a nivel mundial, se han transformado a otros usos. En América Latina, la FAO (2012:2018) estimó una pérdida neta de 88 millones de hectáreas de bosques (el 9% de la superficie forestal total). Las

(37)

principales causas de deforestación fueron la conversión a tierras cultivables y de pastoreo.

Otro factor de la pérdida de cobertura vegetal son los incendios forestales inducidos, los que tienen consecuencias catastróficas, estos son las causa de que cada año se quemen en el mundo entre 400 y 500 millones de hectáreas (FAO 2005)

1.2. Formulación del problema

¿Cuál es la variabilidad espacio temporal de la densidad de vegetación aplicando el NDVI (índice de vegetación de diferencia normalizada) en la microcuenca del río Porcón durante el periodo 2003 - 2019?

1.3. Objetivos

1.3.2. Objetivo general

Determinar la variabilidad de vegetación espacial temporal en la microcuenca del río Porcón basado en el índice de vegetación de diferencia normalizada durante el periodo 2003 – 2019.

1.3.3. Objetivos específicos

Determinar el índice de vegetación de diferencia normalizada promedio de la microcuenca del río Porcón durante el periodo 2003 – 2019.

Generar mapas de distribución del índice de vegetación de diferencia normalizada para el año 2003 y 2019.

Generar mapas de distribución de acuerdo a la región espectral del infrarrojo cercano y región espectral roja para el año 2003 y 2019.

(38)

1.4. Hipótesis

1.4.2. Hipótesis general

En la microcuenca del río Porcón, el 70% del área se encuentra entre un 0.3<NDVI>0.6 para el periodo 2003 - 2019, indicando mayor área de vegetación medianamente densa para los años analizados.

1.4.3. Hipótesis Especificas

La vegetación densa para el periodo 2003 - 2019 ha aumentado en más del 2% La vegetación medianamente densa y escasa para el periodo 2003 - 2019 ha disminuido en al menos 1 %

(39)

CAPÍTULO II. METODOLOGÍA

2.1. Tipo de Investigación

La presente investigación es de tipo descriptivo correlacional, con diseño de investigación no experimental, de corte longitudinal, ya que, es un diseño que no manipula deliberadamente variables y se basa fundamentalmente en la observación de cambios a través de periodos de tiempo, tal y como se dan en su contexto natural, para después analizarlos y hacer inferencias respecto al cambio (Hernández et al, 2014). 2.2.Población y muestra (Materiales, instrumentos y métodos)

2.2.1. Población

La población de estudio será en un área de 7438.59 ha correspondiente a la microcuenca del río Porcón, plasmada en una imagen satelital de 30x30m de resolución espacial.

2.2.2. Muestra

Firmas espectrales de índice de vegetación de diferencia normalizada (NDVI) junto a la combinación de bandas espectrales 5,4 y 3.

2.3. Técnicas e instrumentos de recolección y análisis de datos 2.3.1. Técnicas

La observación y el análisis espectral de las imágenes son las satelitales utilizadas en la presente investigación, que consiste en la clasificación de diferentes tipos de cobertura, en especial la vegetación y el estado en el que se encuentra. Para ello se ha utilizado los siguientes instrumentos de recolección de datos como el satélite Landsat, plataforma USGS, el software ArcGIS 10.5 y QGIS.

(40)

2.3.2. Instrumentos

Plataformas satelitales (USGS)

Programas de procesamiento y cartografiado (QGIS y ArcGIS) 2.4. Procedimiento

2.4.1. Ubicación geográfica

La microcuenca Porcón tiene una extensión de 7438.59 ha, pertenece a la provincia de Cajamarca y departamento del mismo nombre; la cuenca a la que pertenece es el Crisnejas, la misma que corresponde a la vertiente del Atlántico, Oriental o del Marañón (Gobierno Regional de Cajamarca). Así mismo, la sub cuenca abastece de agua para el consumo humano a más del 70% de la población de la ciudad de Cajamarca, según el censo del INEI (2017), su capital en la actualidad cuenta con algo más de 220 mil habitantes, ubicada en las coordenadas Norte: 9208535 y Este: 774450.

A.Clima

La microcuenca del río Porcón se encuentran influenciadas por la corriente marina de Humboldt, aguas frías que provienen del Pacífico sur, por las corrientes cálidas procedentes de la zona ecuatorial ligadas al fenómeno del Niño y por la altitud de la cordillera de los Andes.

En época de lluvias (noviembre a marzo) éstas son abundantes y torrenciales, suele llover en las tardes y hacer calor abrasador en las mañanas hasta el mediodía. Los meses de abril a octubre los vientos son fuertes y fríos. (Arana, 2002)

(41)

B.Temperatura

Según la información de temperaturas para la microcuenca del río Porcón oscila entre muy fría (05°C) y moderadamente cálida (+18°C). (Arana, 2002)

C.Hidrografía

Hidrográfica y climatológicamente la zona tiene como río más importante el Río Porcón el cual se alimenta de pequeñas quebradas y vertientes que a manera de embudos colectores de aguas nacen en el cerro Quilish. (Arana, 2002).

D.Cobertura Vegetal

La microcuenca del río Porcón se encuentra con las siguientes clasificaciones: Bosques y áreas mayor ente naturales, áreas agrícolas y áreas artificiales. (ZEE – Cajamarca)

E.Usos actuales de Suelo

De acuerdo a la Zonificación Ecológica y Económica del Gobierno Regional de Cajamarca, la microcuenca del Río Porcón se encuentra principalmente dentro del uso agrícola. (ZEE – Cajamarca)

(42)

(43)

2.4.2. Descarga de datos

El portal de internet del Servicio Geológico de los Estados Unidos (United States Geological Survey – USGS) sirvió de ayuda primordial para la

obtención de las diferentes imágenes satelitales, Landsat 5 para los años 2003, 2005 y 2008, mientras que Landsat 8 se utilizaron para los años 2013 y 2019.

Figura 5. Plataforma United States Geological Survey

Fuente: USGS

Para ello se debe localizar el área referencial de nuestra zona de estudio, seguidamente colocar la fecha y seleccionar el sensor para adquirir una imagen con al menos 10% menos de nubosidad.

(44)

Tabla 5

Ficha de adquisición de imagen.

Año Satélite Cobertura de nubes

2003 Landsat 5 Menor a 10% 2004 Landsat 5 Menor a 10% 2005 Landsat 5 Menor a 10% 2006 Landsat 5 Menor a 10% 2007 Landsat 5 Menor a 10% 2008 Landsat 5 Menor a 10% 2011 Landsat 5 Menor a 10% 2013 Landsat 8 Menor a 10% 2014 Landsat 8 Menor a 10% 2015 Landsat 8 Menor a 10% 2016 Landsat 8 Menor a 10% 2017 Landsat 8 Menor a 10% 2018 Landsat 8 Menor a 10% 2019 Landsat 8 Menor a 10%

(45)

2.4.3. Recorte de la zona de estudio

Para realizar el corte de las imágenes descargadas, primero se realizó la delimitación de la cuenca hidrográfica partiendo de un modelo digital de elevación en ArcGIS, ya que el uso de herramientas y algoritmos de este software simplifican todo el proceso, que se puede resumir en dos pasos: - Descargar el DEM

- Abrir ArcToolbox y delimitar la cuenca ingresando el ráster a las herramientas de Spatial Analyst Tools.

Una vez delimitada la cuenca se procede al corte del polígono a cada imagen satelital. Para los años menores al 2013 se trabaja con Landsat 5, ingresando el DEM en la caja de herramientas (ArcToolbox > Spatial Analyst Tools > Extraction > Extract by Mask, y para las imágenes posteriores a dicho año se trabaja con Landsat 8 siguiendo el mismo procedimiento.

No olvidar que en Input ráster se debe cargar el DEM, Input ráster or feature mask data seleccionar el polígono (delimitación de la cuenca), y, Output ráster definir el directorio y nombre del ráster. (Bravo,2017).

(46)

Figura 6. Corte del área de estudio

2.4.4. Corrección de imágenes satelitales

Para realizar el procesamiento se procedió a corregir las imágenes satelitales, evitando que nuestra zona de estudio se ve afectada por nubosidad o algunos errores de pixelado, entre otros.

Las correcciones radiométricas son fundamentales para una adecuada interpretación de las imágenes satelitales, ya que los contrastes en la iluminación y la geometría deben ser minimizados en estudios multi-temporales mediante el uso de valores constantes o coeficientes de corrección de factores tales como la

(47)

distancia entre la tierra y el sol (Alexakiset, 2014; Chander., 2009; Schroeder., 2006).

Las correcciones de las imágenes satelitales se efectúan debido a que el sensor proporciona una imagen cruda, que a su vez es afectada por la atmósfera principalmente, por lo que resulta esencial corregir y calibrar dicha imagen. Existen diversos softwares que ayudan en la corrección de las imágenes satelitales como ENVI y ERDAS, por ejemplo. Sin embargo, se ha tenido la oportunidad de tratar nuestras imágenes en PCI Geomatics, software canadiense que tiene una tecnología más completa y un porcentaje más de fiabilidad de resultados, pues no solo incluye una corrección atmosférica, sino también la topográfica y la radiométrica más conocida como ATCOR, pasando los niveles digitales (ND) de las celdas de las imágenes satelitales a radiancia, y de radiancia a reflectancia.

La corrección no discrimina si es una imagen satelital Landsat 5 o Landsat 8, es compatible para aplicar tanto a Landsat como a otras imágenes, entre ellas las imágenes SPOT.

2.4.5. Composición de bandas espectrales

Entre las más utilizadas para llegar a nuestros objetivos, fue realizar la composición del falso color de acuerdo a cada imagen satelital, y luego se optó por seleccionar cierto número de pixeles (de 12 a 16) y agrupar esas áreas por categorías similares. Posteriormente se ejecutó el algoritmo de máxima verosimilitud, mediante el cual, cada píxel fue agrupado de acuerdo a la

(48)

Figura 7. Falso Color (Landsat 8, Sentinel 2B), (Gis & Beers, 2017)

2.4.6. Cálculo del Índice de Vegetación Diferencia Normalizada (NDVI)

Para determinar el NDVI se procesó mediante la imagen ráster (Landsat) según el año, seleccionando entre Landsat 5 y Landsat 8:

El cálculo está determinado por la siguiente fórmula. Chuvieco (2002) Ecuación 1. Índice de Vegetación Diferencial – NDVI

𝐍𝐃𝐕𝐈 =(𝐍𝐈𝐑 − 𝐑𝐄𝐃)

(𝐍𝐈𝐑 + 𝐑𝐄𝐃)

Donde:

NDVI = Índice de Vegetación Diferencia Normalizada

NIR = Reflectancia del Infrarrojo Cercano RED = Reflectancia de la banda roja

En los satélites:

Ecuación 2. NDVI para Landsat 5

𝐍𝐃𝐕𝐈 = (𝐁𝐚𝐧𝐝𝟒− 𝐁𝐚𝐧𝐝𝟑)

(49)

Ecuación 3. NDVI para Landsat 8

NDVI =(Band5− Band4)

(Band₅+ Band₄) Landsat 8

Los rangos de resultados después de aplicada esta ecuación deben estar comprendidos entre -1 a 1, los valores negativos están asociados a zonas de agua y nieve, continuando con los que se aproximan a cero donde empieza la ausencia de vegetación y cuanto más cercano a 1, la vegetación es más saludable. (Carrasco, 2020) citado de Rouse et al., 1974)

- Análisis del índice de vegetación de diferencia normalizada (NDVI).

Los valores del índice de vegetación de diferencia normalizada (NDVI), oscila entre -1 a 1, definiéndose los siguientes tipos de vegetación, partiendo del aporte de clorofila reflectado en la banda 5 y absorbida en la banda 4

Tabla 6

Clasificación del NDVI

Fuente: Adaptado de Bravo (2019)

El NDVI ayuda a definir los tipos de vegetación, partiendo del aporte de clorofila

Microcuenca del Río Porcón

-1 < NDVI > 0.1 Suelo desnudo 0.1 < NDVI > 0.3 Vegetación escasa

0.3 < NDVI > 0.6 Vegetación medianamente densa 0.6 < NDVI > 0.8 Vegetación densa

(50)

- Cálculo de área de estado de vegetación.

 Para ello se debe cargar en ArcGIS el resultado de la ecuación generada en la imagen satelital para el periodo 2003 - 2019 y clasificarlo como vegetación escasa, medianamente densa y densa; dependiendo de los valores del NDVI y de acuerdo a la Tabla 6 de la revisión bibliográfica.  Seguido se realiza la categorización de los índices de vegetación

 En función del área total se calcula el área para cada rango de NDVI, obteniéndose un valor en hectáreas y/o metros para cada categoría en el periodo 2003 – 2019.

 Se debe obtener los NDVI promedio para realizar la distribución temporal para el periodo en estudio.

 El resultado final se expresará en porcentaje de área. Tabla 7

Vegetación escasa 2003

Categoría Sum_Área (ha)

Vegetación Escasa

562.230004

Tabla 8

Vegetación escasa 2019

Categoría Sum_Área (ha)

Vegetación Escasa

(51)

2.4.7. Detección de cambios de cobertura vegetal y uso de suelo

Se realizó la comparación de áreas degradadas por problemas ambientales o de naturaleza, utilizando la data proporcionada por el ZEE del Gobierno Regional de Cajamarca.

2.4.8. Validación de resultados.

La validación de resultados se realizará solo con el coeficiente de Pearson, en cual estará en función de los rangos de NDVI junto a las áreas, NDVI promedio de las imágenes satelitales estudiadas en función del tiempo (periodo 2003-2019) 2.5. Aspecto Ético

El presente trabajo de investigación se basó en el uso imágenes satelitales Landsat 5 para los años 2003 al 2011 y Landsat 8 para los años 2013 al 2019, el cual constituye el programa de mayor trayectoria en adquisición de imágenes de nuestro planeta, obtenidos del Servicio Geológico de los Estados Unidos (USGS), una plataforma confiable que permite navegar a través de un mapa interactivo para obtener las imágenes, inclusive ingresando coordenadas y fechas específicas para ver qué tipo de datos están disponibles. También se utilizó el software PCI Geomatics de gran importancia y fiabilidad para una corrección más rigurosa de las imágenes satelitales, que es el ATCOR Ground Reflectance, a nivel del terreno procurando eliminar la mayor cantidad de vapor de agua y aerosoles (Carrasco, 2020), además del cálculo del Índice de Vegetación de Diferencia Normalizada NDVI para cada imagen; de otro lado el uso del software ArcGis que permitió distribuir la información geográfica asimismo, las fuentes de información

(52)

CAPÍTULO III. RESULTADOS

Una vez obtenidos los parámetros NDVI, cobertura vegetal, uso del suelo, se procedió a generar una data de acuerdo a su clasificación, para posterior a ello, calcular las áreas de variabilidad espacio – temporal de la vegetación en la microcuenca del río Porcón.

3.1. Resultados del NDVI Tabla 9

Rango del NDVI para el año 2003 en la microcuenca – Landsat 5

0.1310 < NDVI > 0. 3840 Vegetación escasa

Tabla 10

-0.0137 < NDVI > 0.1113 Suelo desnudo 0.1113 < NDVI > 0.3614 Vegetación escasa

(53)

Tabla 11

Tabla 12

Tabla 13

0.1853 < NDVI > 0.3294 Vegetación escasa

0.3294< NDVI > 0.6175 Vegetación medianamente densa 0.6175 < NDVI > 0.7616 Vegetación densa

(54)

Tabla 14

Variación de áreas de vegetación en la microcuenca Porcón para el periodo 2003 - 2019

Categoría Área (ha) Área (m)

Vegetación Escasa 102.780034 1027800.34

Vegetación Medianamente Densa

90.990215 909902.15

Vegetación Densa 193.769983 1937699.83

*_{La vegetación escasa y medianamente densa ha disminuido en 102.78 ha y 90.99 ha respectivamente,}

(55)

CAPÍTULO IV. DISCUSIÓN Y CONCLUSIONES

4.1. Discusión

A partir de los resultados presentados podemos verificar que se ha determinado la variabilidad de la vegetación para el área de estudio, indicando que la microcuenca del río Porcón en un periodo de 16 años ha evolucionado favorablemente y esto puede corroborarse con el índice de vegetación normalizada (NDVI), que muestra una mejora en la vegetación densa de 193.76 Ha. (Ver Tabla 14).

Respecto al NDVI promedio, en la figura 8 se aprecia variabilidad temporal y espacial de la vegetación en la microcuenca del río Porcón para el periodo estudiado, obteniéndose inicialmente NDVI promedio 0.5 para el año 2003, muy similar al 2005. Mientras que para los años 2008 y 2013 asciende su valor a 0.66 y finalmente se ve un descenso para el año 2019 con NDVI = 0.59, el cual indica una cuenca con vegetación densa en promedio.

2003 2005 2008 2013 2019 NDVI 0.531852 0.505708 0.606352 0.661108 0.598207 0.000000 0.100000 0.200000 0.300000 0.400000 0.500000 0.600000 0.700000

P

ro

m

ed

io

d

e

ND

VI

Periodo 2003 - 2019

(56)

De acuerdo al promedio de NDVI para el periodo 2003 – 2019 muestra una variabilidad ascendente, obteniéndose 0.5 y 0.6, respectivamente, y este incremento es un claro indicador de la mejora en la cobertura vegetal de la cuenca en función del tiempo. (Ver figura 8 de Promedio de NDVI). Contrastando con el estudio presentado por Manchego (2017), quien reportó que la variabilidad de vegetación en la cuenca Quilca, periodo 2005 – 2015 tiene un comportamiento cíclico o estacional identificándose periodos ascendentes y luego descendente para el 2014 al 2015 con valores de NDVI por debajo de 0.2, lo que indica una escasa cobertura vegetal.

(57)

Figura 10. Clasificación de la cobertura vegetal con NDVI para 2019

En la figura (9 y 10) se aprecian los resultados de NDVI para el periodo estudiado, la distribución del estado de la vegetación en la cuenca está expresado en Ha y en porcentaje de área, lo que indica que en el 2003 la vegetación densa era menos al del año 2019, con valores de 1374.12 y 1567.89 Ha, respectivamente, esto debido a que conforme pasan los años en nuestra región se ha impulsado la reforestación y a pesar que existe un crecimiento poblacional, el estado de la vegetación no se ha visto alterado al menos en lo que respecta al área de la microcuenca.

Los resultados de vegetación escasa en el 2003 ocupaban el 7.6% de área total de la microcuenca, mientras que para el 2019 ese porcentaje se reduce al 6.2%, (ver figura 9 y 10) indicando que en el año inicial del periodo la vegetación en la parte baja de la microcuenca estaba afectada por diversas actividades, siento la antrópica la más común en comparación con otros estudios.

(58)

actividades humanas han desencadenado en mayor grado el cambio de uso de suelo y por ende la vegetación enferma ha aumentado como consecuencia de factores demográficos y económicos.

Los resultados del NDVI tienen un rango general de -1 a 1, los valores negativos asociados a agua, valores de 0 clasificados como suelo desnudo y los positivos a vegetación, mientras más cercano a 1 la vegetación será más saludable, en nuestro estudio para el año 2003 se obtuvo 0.0045 < NDVI > 0.8899, siendo vegetación escasa y vegetación densa, respectivamente. Mientras que para el 2019, el rango fue

de 0.0413<NDVI>0.9056, abarcando un poco más de vegetación saludable.

Contrastando con el estudio de Alegre, (2017) sobre cambios de la cobertura vegetal del suelo de la provincia de Yauyos, obtuvo valores estandarizados de NDVI, siendo los cercanos a 0 (cobertura vegetal rala y superficies desnudas), menores a 0.5 (cubierta vegetal temporal), mayores a 0.5 (cobertura vegetal permanente), concluyendo que los cambios ocurridos en la cubierta vegetal conforme pasa el año de acuerdo a los valores de NDVI evidencian una pérdida para la cobertura permanente, vegetación considerada irrecuperable porque se necesita de varios años para su desarrollo, así como granes volúmenes de precipitaciones. En nuestro estudio la vegetación se ha recuperado en un promedio de 16 años, mejorando para el 2019 en 1.4% la vegetación escasa, siendo de gran importancia realizar el análisis multitemporal de las coberturas vegetales a partir de la percepción remota, generando información e incitando a conservación de los recursos naturales de la zona.

Alencar et al (2019) en su investigación sobre la variabilidad espacial y temporal de la cobertura vegetal de los años 1984 a 2011 en la cuenca hidrográfica del río Moxotó, Pernambuco, Brasil, definió la clasificación del NDVI en tres categorías: categoría 1

(59)

(vegetación de baja densidad, 0,25 – 0,50), categoría 2 (vegetación de mediana densidad, 0,50 – 0,75) y categoría 3 (vegetación de alta densidad, 0,75 – 1); concluyendo que la vegetación más abundante fue la de menor densidad, muy contrario a nuestro estudio que a pesar de tener categorías similares de clasificación del NDVI, siendo éstas: vegetación escasa (0.0045 – 0.3049), vegetación medianamente densa (0.3049 – 0.6052) y vegetación densa (0.6052 – 0.9056), la vegetación más abundante fue la vegetación medianamente densa en ambos periodos 2003 - 2019 con un 74 % y 72.7%, respectivamente.

(60)

(61)

En la figura 11 se puede apreciar el mapa de distribución de acuerdo a la región espectral del infrarrojo cercano para el año 2003 en la que se observa los colores los azules y violáceos en diferentes tonalidades, los más intensos representan la vegetación densa y medianamente densa en la parte alta izquierda, derecha y parte media de la cuenca, contrastando con Sandoval & Gonzáles, (2012), citado por Sánchez (2019), en su estudio expone que de todo el conjunto de ondas que tiene el espectro electromagnético, las porciones de los rayos visibles e infrarrojos son las importantes para las aplicaciones de vegetación, puesto que la luz del Sol es la fuente de energía que activa el proceso de fotosíntesis en los cuerpos vegetales, lo cual quiere decir que las convierte en las más utilizadas en la percepción remota.

(62)

(63)

En la figura 12 se puede observar el mapa de distribución de acuerdo a la región espectral roja para el año 2019 en la que se ve los colores rojos y amarillos en diferentes tonalidades, determinando esta pigmentación para los más intensos como vegetación densa y medianamente densa en la parte superior izquierda y derecha de la cuenca, además los colores rojos más claros representan la vegetación escasa.

(64)

(65)

En la figura 12 se puede observar el mapa de distribución de acuerdo a la región espectral roja para el año 2019 en la que se ve los colores rojos y amarillos en diferentes tonalidades, determinando esta pigmentación para los más intensos como vegetación densa y medianamente densa en la parte superior izquierda y derecha de la cuenca, además los colores rojos más claros representan la vegetación escasa.

(66)

(67)

En la figura 14 se puede observar el mapa de distribución de acuerdo a la región espectral roja para el año 2019 en la que se ve los colores rojos y amarillos en diferentes tonalidades, determinando esta pigmentación para los más intensos como vegetación densa y medianamente densa en la parte superior izquierda y derecha de la cuenca.

Los mapas obtenidos de la región espectral del infrarrojo cercano y roja para el año 2003 y 2019 con sus respectivas tonalidades de colores más intensos nos muestran la vegetación densa, medianamente densa y escasa, contrastando con el autor Gómez, (2004); Tucker & Sellers, (1986) citado por Manchego, (2017) que en su investigación explica la forma en que la hoja responde a la longitud de onda del rojo e infrarrojo cercano se fundamente en el hecho de que las moléculas de clorofila absorben preferentemente la luz roja y azul para usarla en la fotosíntesis (70% a 90% de la luz incidente en esas regiones), por tanto, la reflectancia en esta zona es mínima, sin embargo, en el borde del espectro visible la absorción de la luz roja por los pigmentos de clorofila empieza a declinar, y la reflectancia empieza a crecer abruptamente. Igualmente, en el espectro del infrarrojo cercano, la reflectancia de la hoja es controlada pero esta vez no por pigmentos de plantas, sino por la estructura del tejido esponjoso que refleja la radiación infrarroja.

(68)

Tabla 15

Porcentaje de NDVI para el año 2003

Microcuenca del Río Porcón Áreas (ha) Porcentaje %

0.0045 < NDVI > 0.3049 Vegetación escasa 562.23004 7.56 0.3049 < NDVI > 0.6052 Vegetación medianamente densa 5502.240158 73.97 0.6052 < NDVI > 0.9056 Vegetación densa 1374.120008 18.47

NDVI Total 7438.590206 100

El porcentaje de NVDI para el año 2003 se tomó en función del NDVI mínimo y máximo para el periodo 2003 – 2019

La vegetación medianamente densa para el año 2003 ocupa más del 70% del área de la microcuenca con un

0.3049 < NDVI > 0.605, tal como se observa en el la tabla15, por lo tanto, se acepta la hipótesis.

Tabla 16

Porcentaje del NDVI para el año 2019

Microcuenca del Río Porcón Áreas (ha) Porcentaje %

0.0045 < NDVI > 0.3049 Vegetación escasa 459.450006 6.18 0.3049 < NDVI > 0.6052 Vegetación medianamente densa 5411.249943 72.75 0.6052 < NDVI > 0.9056 Vegetación densa 1567.883331 21.08

NDVI Total 7438.589936 100

El porcentaje de NVDI para el año 2019 se tomado en función del NDVI mínimo y máximo para el periodo 2003 – 2019

La vegetación medianamente densa para el año 2019 ocupa más del 70% del área de la microcuenca con un